So lässt sich prüfen, ob eine Transkription auf dem Gerät oder in der Cloud entstanden ist

Das ist eine andere Frage als „warum ist meine Transkription über die Cloud gelaufen", bei der es um den Mechanismus geht, der künftig entscheidet. Hier geht es um eine Transkription, die schon jetzt in der Bibliothek liegt, und die Frage, welcher Weg sie erzeugt hat — im Nachhinein, ohne einen Test zum damaligen Zeitpunkt.

Warum die Transkription selbst nichts verrät

Apps, die auf Apples Speech-Framework aufbauen, zeigen das Ergebnis einer Transkriptionsanfrage unabhängig davon gleich an, welcher Versuch es geliefert hat. Der Durchgang auf dem Gerät und der Server-Rückgriff liefern beide reinen Text über denselben Aufruf zurück, und die Oberfläche hat keinen Grund, sich zu merken, welcher der beiden es war — sie zeigt die Worte, nicht den Weg, den sie genommen haben. Auch der Export fügt diese Information nicht hinzu: Eine TXT- oder JSON-Datei trägt den Text der Transkription und die üblichen Felder drumherum, keinen Vermerk darüber, welcher Durchgang die Worte geliefert hat. In der Datei gibt es nichts zu prüfen, das die Frage klären würde.

Was tatsächlich eine Spur hinterlässt, und die Grenzen davon

Der App-Datenschutzbericht, abgeglichen mit der Uhrzeit

War dieser Bericht in Einstellungen → Datenschutz & Sicherheit schon eingeschaltet, bevor die fragliche Aufnahme entstand, und liegt sie noch innerhalb des gleitenden Sieben-Tage-Fensters, das der Bericht führt, lässt sich sein Zeitstempel für eine Apple-Domain ungefähr mit dem Zeitpunkt dieser Aufnahme vergleichen. Das ist ein echter Beleg, keine Vermutung — aber er existiert nur, wenn der Bericht schon lief, deckt nur eine Woche zurück ab, und eine passende Uhrzeit bleibt für eine einzelne Transkription ein Indiz, kein Beweis, weil der Bericht festhält, dass eine Domain kontaktiert wurde, nicht, welche Aufnahme das ausgelöst hat.

Der Verbrauch an Mobilfunk- oder WLAN-Daten

Einstellungen → Mobiles Netz (oder WLAN) zeigt, wie viele Daten eine App seit dem letzten Zurücksetzen des Zählers verbraucht hat. Das ist eine echte Zahl, aber ein laufender Gesamtwert, kein zeitgestempeltes Protokoll einzelner Anfragen — nützlich, um zu bemerken, dass in diesem Fenster irgendeine Netzwerkaktivität stattfand, nicht, um eine einzelne Aufnahme darin zu isolieren.

Wie lange die Transkription gebraucht hat

Ein Durchgang auf dem Gerät verlässt das Telefon nie und ist deshalb meist schnell; ein Server-Rückgriff hängt einen Netzwerk-Hin-und-Her obendrauf. Das ist bestenfalls ein Hinweis. Eine lange Aufnahme, die in Abschnitte zerlegt wird, oder ein Telefon, das zu dem Zeitpunkt mit etwas anderem beschäftigt war, kann auch einen rein lokalen Durchgang verlangsamen — die verstrichene Zeit allein unterscheidet die beiden Wege also nicht zuverlässig.

Was Gewissheit bringen würde, und warum sie nicht rückwirkend gilt

Der einzige Test, der das wirklich klärt, ist das Telefon in den Flugmodus zu versetzen und ohne verfügbares Netzwerk zu transkribieren: Kommt Text zurück, hat der Durchgang auf dem Gerät es allein geschafft, weil es nirgendwohin sonst gehen konnte. Existiert die fragliche Aufnahme noch als Ton und ist die Sprache richtig eingestellt, funktioniert eine erneute Transkription genau wie der erste Versuch — dieselbe Reihenfolge mit Gerät zuerst, dieselbe Rückgriffsregel —, sodass sich genau dieser Ausschnitt heute noch einmal im Flugmodus durchlaufen lässt.

Was dieser erneute Durchlauf nicht kann: sagen, was beim ersten Mal passiert ist. Er zeigt, was heute passieren würde, auf diesem Telefon, mit den Sprachmodellen, die gerade vorhanden sind — und das muss nicht dieselbe Ausstattung sein wie zum Zeitpunkt der ursprünglichen Transkription. Eine seither hinzugefügte Sprache, ein wiederhergestelltes Telefon oder schlicht die verstrichene Zeit können alle verändern, was installiert ist. Ein sauberes Ergebnis heute beantwortet wirklich „würde dieser Ton jetzt lokal transkribiert", nicht „ist er das damals gewesen".

Die ehrliche Grenze

Für eine bereits vorliegende Transkription, die zum Zeitpunkt nicht getestet wurde, gibt es keinen vollständig verlässlichen Weg herauszufinden, welcher Pfad sie erzeugt hat. Der App-Datenschutzbericht und die Datenverbrauchszahlen liefern bestenfalls Indizien, und eine neue Transkription im Flugmodus beantwortet eine Frage über heute, nicht über den Tag, an dem die ursprüngliche Transkription entstand. Wer etwas anderes behauptet, verkauft diese Werkzeuge über das hinaus, was sie zeigen können.

Wenn es wirklich darauf ankommt: vorher testen, nicht hinterher

Der Test, der tatsächlich funktioniert, kostet nichts und dauert dreißig Sekunden — Flugmodus, transkribieren, schauen, ob Text zurückkommt —, funktioniert aber nur im Voraus, für genau die Aufnahme, auf die es ankommt, in der Sprache und dem Raum, in dem es tatsächlich passieren wird. Für alles, bei dem die Antwort wirklich zählt — ein heikles Gespräch, eine Sprache, bei der unklar ist, ob das Modell heruntergeladen ist — lohnt es sich, das einmal zu tun, bevor die Gewissheit gebraucht wird, statt sie hinterher rekonstruieren zu wollen.

Wo Voice Studio dabei einzuordnen ist

Voice Studio versucht in allen 38 Transkriptionssprachen immer zuerst die Transkription auf dem Gerät und greift nur dann mit deaktivierter lokaler Erkennung erneut zurück, wenn dieser erste Durchgang leer bleibt oder einen Fehler wirft — dieselbe Regel für einen ersten Versuch wie für eine erneute Transkription. Die App hat kein Konto, keinen eigenen Server und kein Analytics-SDK, sodass im App-Datenschutzbericht ausschließlich eine Domain von Apples Sprachdienst auftauchen kann, und auch nur bei den Aufnahmen, bei denen dieser Rückgriff tatsächlich lief. Existiert eine bestimmte Aufnahme noch und muss es heute geklärt werden, liefert eine erneute Transkription im Flugmodus eine direkte Antwort für jetzt; für etwas, das bereits in der Vergangenheit liegt, ohne dass damals getestet wurde, lässt sich diese Antwort schlicht nicht mehr zurückholen — das sagen wir lieber klar, als eine Gewissheit anzudeuten, die diese Werkzeuge nicht liefern.

Häufige Fragen

Vermerkt die exportierte TXT- oder JSON-Datei, welcher Weg die Transkription erzeugt hat?

Nein. Die exportierte Datei enthält den Text der Transkription und die üblichen Felder drumherum, keinen Vermerk darüber, ob der Durchgang auf dem Gerät oder der Server-Rückgriff die Worte geliefert hat.

Wenn eine alte Aufnahme im Flugmodus erneut transkribiert wird und Text zurückkommt — beweist das, dass die ursprüngliche Transkription auf dem Gerät entstand?

Das beweist, dass dieser Ausschnitt sich heute, auf diesem Telefon, mit den gerade installierten Sprachmodellen lokal transkribieren lässt. Es beweist nicht, was beim ersten Mal passiert ist, weil sich das Installierte zwischen damals und heute geändert haben kann.

Gibt es eine Einstellung, die protokolliert, welchen Weg jede Transkription genommen hat?

Nicht als Protokoll pro Aufnahme. Am nächsten kommt der App-Datenschutzbericht, der Domains protokolliert, die eine App innerhalb eines gleitenden Sieben-Tage-Fensters kontaktiert hat — nützlich zum Abgleich mit der Uhrzeit, aber kein Protokoll, das an einzelne Aufnahmen gebunden ist.

Was ist der einzig verlässliche Weg, es herauszufinden, wenn sich noch entscheiden lässt, es zu testen?

Der Flugmodus, angewendet vor oder während der Aufnahme, auf die es ankommt. Kommt ohne verfügbares Netzwerk Text zurück, war dieser Durchgang lokal — das ist ein direkter Test, keine Schlussfolgerung.